تحلیل احساسات زبان فارسی با استفاده از شبکه های عصبی عمیق
عنوان مقاله: تحلیل احساسات زبان فارسی با استفاده از شبکه های عصبی عمیق
شناسه ملی مقاله: CEITCONF03_062
منتشر شده در سومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی در سال 1398
شناسه ملی مقاله: CEITCONF03_062
منتشر شده در سومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی در سال 1398
مشخصات نویسندگان مقاله:
مهسا حیدری - دانشجوی کارشناسی ارشددانشگاه صنعتی شیراز، شیراز بلوار مدرس،
پیروز شمسی نژاد - هیئت علمی دانشگاه صنعتی شیراز، شیراز بلوار مدرس،
خلاصه مقاله:
مهسا حیدری - دانشجوی کارشناسی ارشددانشگاه صنعتی شیراز، شیراز بلوار مدرس،
پیروز شمسی نژاد - هیئت علمی دانشگاه صنعتی شیراز، شیراز بلوار مدرس،
پردازش زبان طبیعی یکی از زیر مجموعه های هوش مصنوعی است که به توانایی برنامه کامپیوتری برای فهمیدن زبان انسان به همان شیوه که سخن گفته میشود، اشاره دارد. تحلیل احساسات یکی اززمینه های تحقیقاتی پرطرفدارپردازش زبان طبیعی است که به بررسی مسئله شناسایی جهت گیری احساسات افراد می پردازد. در دنیای امروز، توسعه چشمگیر استفاده از اینترنت و شبکه های اجتماعی، روزانه تولید حجم انبوهی از داده های متنی را در پی دارد. به همین علت، پردازش متون و استخراج اطلاعات مفید و کاربردی از آنها به امری مهم و حیاتی تبدیل شده است. بیشتر پژوهش های انجام شده در این حوزه به زبان انگلیسی میباشد و زبان فارسی علیرغم وجود داده های متنی بسیار غنی، به دلیل چالش های موجود، کمتر مورد توجه قرار گرفته است. در سالهای اخیر، شبکه های عصبی عمیق به دلیل موفقیت بسیار درانجام کارهای مربوط به پردازش زبان طبیعی به عنوان راه حل موثری برای مسائل متن کاوی مانند دسته بندی اسناد، خلاصه سازی متون و تحلیل احساسات پدیدار شده اند. این مقاله برای نخستین بار به تحلیل احساسات نظرات فارسی در شبکه اجتماعی اینستاگرام با استفاده از شبکه های عصبی عمیق پرداخته است. هدف این تحقیق، بررسی احساسات و تشخیص قطبیت نظرات افراد با استفاده از سه مدل مختلف شبکه عصبی بازگشتی عمیق شامل: RNN ،LSTM و GRU میباشد. نتایج به دست آمده حاکی از آن است که مدل LSTM با دقت 67 درصد بهترین عملکرد را داشته است.
کلمات کلیدی: پردازش زبان طبیعی، تحلیل احساسات، شبکه های عصبی عمیق
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1015607/